第二級自動駕駛下的工效學問題

林睿，張偉

(清華大學 工業工程系，北京 100084)

1 引言

在傳統駕駛中，駕駛員人為失誤是導致交通事故的最重要因素。美國高速公路委員會通過對5 470起交通事故的深入調查，發現大約了90%的交通事故是由駕駛員人為因素導致的[1]。為此，人們寄希望于自動駕駛技術的發展能夠代替傳統駕駛員，減少人為失誤導致的交通事故，幫助人們實現更安全便捷的出行，并將人類從繁瑣的駕駛任務中解放出來。現階段市場上最先進的自動駕駛技術雖然并不能完全代替駕駛員，但已經可實現同時橫向和縱向的車輛控制。駕駛員只需要監視系統和道路情況，在遇到危險和故障時對控制權進行及時接管。例如，Volvo的Pilot assist ii和特斯拉的Autopilot已經可以實現這些功能。根據汽車工程師協會(SAE)的分級，這些系統屬于二級自動駕駛[2]。而幾起與二級自動駕駛相關的交通死亡事故，讓人們對現階段的自動駕駛技術產生了擔憂。為了幫助設計者更深入地理解二級自動駕駛下駕駛員角色、任務形式、認知和行為，本文將針對其存在的工效學問題和已有研究進行總結和分析。

2 自動駕駛的分類

在自動駕駛發展的過程中，已有不同的研究機構提出了自動駕駛的分級方式。本文采用最為普遍使用的汽車工程師協會(SAE)的分級。該分類方式基于車輛控制、道路監視、自動化失效時的接管控制和自動駕駛適應環境的角度進行劃分(如圖 1所示)[2]。

○級：傳統手動駕駛，在所有路段的所有駕駛控制都由駕駛員執行。

一級：自動化系統有縱向或橫向單一方向的控制功能。例如，具有自適應巡航(ACC)系統或車道保持輔助(LKA)的車輛。駕駛員需要負責另一部分的車輛控制和其它駕駛任務。

二級：自動化系統同時具有縱向和橫向的車輛控制，駕駛員需要監視駕駛道路環境并在系統失效時及時進行接管。系統往往只適應于部分道路環境。

三級：自動化系統同時具有縱向和橫向的車輛控制，駕駛員不需要時時監視駕駛道路環境，在系統失效時，系統會提前提醒駕駛員進行接管。系統只適應于部分道路環境。

四級：自動化系統同時具有縱向和橫向的車輛控制，駕駛員不需要時時監視駕駛道路環境，在系統失效時，系統會自己進行處理，無需駕駛員干預。但系統仍然只適應于部分道路環境。

五級：自動化系統可在所有道路環境下執行全部的駕駛任務。

本文重點討論二級自動駕駛，即駕駛員需要監視道路環境，在需要接管時系統提供提醒的情況，其他更高級的自動駕駛系統對于駕駛員注意力資源的使用會顯著減少。

3 第二級自動駕駛中駕駛員的任務形式

根據上述定義，二級自動駕駛系統將傳統的手動駕駛中的操控任務轉換成了監視任務，需要駕駛員對系統功能有著清晰的理解，并對道路情況保持警覺，以便及時進行接管。在駕駛員控制模型(Driver in Control model，DiC)[3]中(如圖 2所示)，駕駛員在駕駛車輛的過程中需要完成不同層面的控制過程，具體從下至上包括跟蹤前車，調整車輛在車道中的位置，監視道路，并規劃行車目標。從底層到上層，控制循環是由補償性控制到預測性控制的變化過程。而在二級自動駕駛過程中，跟蹤與調整控制層由自動化系統實施，駕駛員只需要監視道路，并規劃行車目標。那么相比于手動駕駛，駕駛員在進行道路監視時就缺少了車輛控制結果帶來的反饋，繼而導致了駕駛員“脫離循環”(Out-of-the-loop)的問題。

駕駛員“脫離循環”具體指，當車輛操控由自動化系統控制，駕駛員可能會同時減少對道路場景的理解和對車輛的掌控，從而降低了在險情時的接管績效[4]。從系統可靠性的角度，二級自動駕駛系統的可靠性并不足以完全代替駕駛員。系統設計者寄希望于駕駛員對道路保持警覺，與系統共同組成了并聯形式的系統，人-車系統將具有較高并優于手動駕駛的可靠性。而當駕駛員“脫離循環”，人-車系統將成為串聯形式的系統，整體可靠性很低，甚至有可能會低于手動駕駛的性[5]。所以，在二級自動駕駛系統中，駕駛員在不需要操控車輛的同時，對道路保持注意就變得十分重要。

4 注意力的問題

從注意力的角度，Endsley和Kiris(1995年)指出了脫離循環的問題往往是由警覺性下降(Vigilance Decrement)和自動化系統的自滿(Complacency)導致的[6]。一方面駕駛員因警覺性下降沒有辦法對于道路險情保持持續的注意力，另一方面，駕駛員過于信任自動化系統的能力，可能投入過多注意力執行與駕駛無關任務。Banks和Stanton(2014年)對駕駛員的任務投入狀態進行分析，從主動和被動兩方面描述了自動駕駛中脫離循環的狀態，他們認為執行與駕駛無關任務是一種主動的脫離循環，而警覺性下降則是被動的脫離循環(如表 1所示)[7]。

表1 駕駛任務投入狀態[7]

早期經典的警覺任務實驗已經表明，要求人類長期監視系統變化、需求或者錯誤是十分困難的，人們很難對不太變化的信息保持持續性注意[8]。此外，Greenlee等人(2018年)的模擬駕駛研究顯示，駕駛員在長時間的二級自動駕駛中險情檢測率降低了，險情反應時間提高了，這同樣意味著二級自動駕駛任務具有典型警覺任務的特性[9]。這些研究都揭示了，駕駛員在二級自動駕駛中如果進行單一的監視任務是比較困難的。

而駕駛員如果進行與駕駛無關的任務，雖然會緩解警覺性下降的程度，但同時也會帶來一定的安全問題。相比于手動駕駛，二級自動駕駛對駕駛員的需求降低了，駕駛員在二級自動駕駛中執行與駕駛無關任務，視線離開道路的時間變長[10]。從某種意義，自動駕駛已經將傳統駕駛中的分心問題轉化成對與駕駛無關任務投入過多的問題[11]。根據Wickens(1980年)的多重資源模型(Multiple Resource Model)，與駕駛無關任務，尤其是視覺任務，會干擾駕駛員對于接管險情的監視(感知階段)，可能會降低險情的接管績效(認知階段)[12]。所以，綜合考慮警覺性下降和執行無關任務的影響，對于執行無關任務是否一定會影響二級自動駕駛的接管績效，研究目前尚未得到一致性結論。

5 工作負荷的問題

對于駕駛員在二級自動駕駛中難以保持注意力的問題，也有一些研究從監視任務的工作負荷進行分析。模擬駕駛和道路實驗的研究表明，駕駛員在在高速或者環路這樣的封閉道路上使用二級自動駕駛系統時，往往會在單調的場景中有較低的工作負荷，在復雜的場景中有較高的工作負荷；而自動駕駛的使用經驗又在一定程度上降低駕駛員的工作負荷[13-14]。近期，Stapel等人(2019年)的道路研究表明駕駛員可能低估了使用二級自動駕駛時的工作負荷，因為被試在實際使用特斯拉Autopilot時，主觀工作負荷較低，但是用信號反應式測量的客觀工作負荷卻較高[15]。該作者推斷，較低的主觀工作負荷可能是駕駛員傾向于進行與駕駛無關任務的原因，而主客觀工作負荷的差異則是駕駛員出現事故的重要原因[15]。總的來說，對于駕駛員在不同任務場景下使用二級自動駕駛時的工作負荷情況，尚不完全清楚，此外，也沒有直接證據表明個體工作負荷的變化與其進行無關任務的傾向有緊密聯系，未來仍需要大量工效學研究對這些問題做進一步深入全面地研究。

6 信任與依賴的問題

對于駕駛員在自動駕駛中難以保持注意力的問題，很多研究都從信任的角度進行分析。從概念上來說，對自動化系統的信任可以定義為“在不確定性和脆弱性特征下，人們對系統能否幫助自己實現目標所持有的態度”[16]。信任是非常主觀的，可直接影響人的行為，但是又非常容易改變的，是外在信息和個人經驗共同作用的結果[17]。如果人們對自動化系統持有不恰當的信任(即過度信任或不信任)，可能會導致不使用、濫用和錯誤使用自動化系統[18]。在使用系統的同時，駕駛員不履行監視道路的職責，而進行無關任務，往往被認為是過度信任導致的對系統的錯誤使用[19]。針對特斯拉車主的訪談研究表明，駕駛員對于二級自動駕駛的信任是隨使用時間變化的，駕駛員初始的信任往往與個體差異的背景相關，而在實際長期交互過程中，駕駛員的不恰當的信任在一定程度上會得到矯正，繼而調節駕駛員對系統的依賴程度[20]。在自動駕駛中，信任往往伴隨了心智模型(Mental Model)的概念，被認為是駕駛員對心智模型的信心的副產品，是心智模型影響行為的中介變量[21]。

7 心智模型與情景意識的問題

心智模型的定義為“當操作員與系統交互時，操作員對系統的內容、工作方式、和工作原理的理解，往往具有豐富而精細的結構”[22]。心智模型是操作員對系統的記憶，用來預測系統如何響應不同的控制輸入和環境變化，當操作員預測系統的未來狀態時，心智模型的準確性與他們的經驗有關[23]。而情境意識(Situation Awareness)的定義是“人們在一定時間和空間的環境內，對其中元素進行的感知，理解和短時間內發展變化的預測”[5]。從本質上來說，情景意識是駕駛員的心智模型在具體道路場景中的應用，具體的關系見圖 4。

手動駕駛中，駕駛員需要基于車-路系統的心智模型，在特定的道路中形成具體情景意識，對于道路環境和車輛運動進行感知、理解和預測。而在二級自動駕駛中，駕駛員同時還需要對于自動化系統的功能建立合理的心智模型，從而決定是否需要接管，來保證自己的行車安全。上文中提到的訪談研究同樣表明，在實際使用自動駕駛系統中，駕駛員錯誤的心智模型也會根據經驗不斷得到矯正，而目前系統用戶手冊中并沒有對系統功能進行全面描述，駕駛員主要依靠駕駛經驗、網絡信息和車主群中的信息分享來建立心智模型[20]。實際上，汽車廠商有義務向消費者提供充分、詳實的基于應用場景的功能性描述，幫助駕駛員建立合適的心智模型。

8 人機界面的問題

汽車內的人機界面(HMI)用于向駕駛員提供系統反饋，對于促進駕駛員進行合適的人車交互是十分重要的。錯誤或不足的系統反饋可能會導致駕駛員形成不正確的心智模型，從而可能導致決策或行動上的錯誤[24]。對于如何促進用戶形成正確的心智模型，Norman(1990年)提出了針對自動化系統的HMI的設計標準，具體為設計應(1)假設存在錯誤，(2)應不斷提供反饋，(3)以有效的方式與用戶持續進行交互，并且(4)應該考慮到最壞的情況[25]。而現有研究總結了目前自動駕駛車輛內的視覺HMI中需要呈現的信息，包括(1)自動駕駛狀態和分級的信息呈現，(2)行駛周邊環境的俯視圖，(3)車輛速度計，(4)對于行駛規劃路徑的抬頭顯示(Head-up Display，HUD)，(5)用于信息提示的信號燈，以及(6)用于操作提示的信號燈[26]。針對二級自動駕駛，HMI要提以上供有效信息，來幫助駕駛員建立合適的心智模型對系統功能形成相對準確的預期。

此外，二級自動駕駛中HMI設計還包含了駕駛員駕駛系統(Driver Monitoring System，DMS)識別了駕駛員注意力離開道路后給予的反饋提醒。市面上的二級自動駕駛都配備了駕駛員駕駛系統，系統多通過識別駕駛員的手部對方向盤施力的情況間接判斷駕駛員的注意力情況。如果系統沒有感知到駕駛員的手放在方向盤上，將在一段時間后通過視覺——聽覺——觸覺通道來對駕駛員進行分級提醒。然而自動駕駛相關的事故調查顯示，在事故發生前的一段時間內，方向盤只在發出提醒后的有限時間內感知到駕駛員的手放在方向盤上(如圖 5所示)[27]。由此可知，現有的駕駛員監視系統可能并不能完全避免駕駛員執行無關任務，保持駕駛員對道路的持續注意。今后，駕駛員駕駛系統的優化研究需要充分考量駕駛員認為認知特點，和適應性行為。

9 總結

近年來，隨著二級自動駕駛系統在市面上出現和推廣使用，自動駕駛相關的安全問題已經引發了各界的討論。而自動駕駛的發展進程除了依賴于軟件和硬件系統的優化，也需要從工效學的角度，充分考慮駕駛員的能力限制和認知過程，從而設計出更為安全有效的自動駕駛系統。可以預見，受限于技術水平的發展，并考慮到我國道路交通的復雜情況，更高級別的自動駕駛可能在短時間內難以大規模推廣實施，而未來具有有限功能的二級自動駕駛系統極有可能會在道路上逐步開始普及。本文主要介紹了駕駛員在二級自動駕駛系統中面臨的關于注意力的問題，及其背后涉及到的工效學構念，包括工作負荷、信任與依賴、心智模型與情景意識，以及現有的人機交互界面的設計等。總的來說，如何確保駕駛員對道路監視保持持續性注意，輔助駕駛員在遇到險情時進行有效的接管，這些問題尚未得到充分解決。因此，未來一個重要的研究方向就是基于幾十年里對于手動駕駛中駕駛安全問題的工效學研究，來深入探究如何促進駕駛員對二級自動化系統的監視控制，最大化地發揮自動駕駛的優勢，減少二級自動駕駛人為因素導致的交通事故。